Comment l'équilibrage intelligent de la charge de travail améliore les performances de la RPA

Le concept relativement nouveau d'équilibrage intelligent de la charge de travail est crucial lors de l'exploitation de la RPA, car il détermine si les tâches sont mieux adaptées aux employés humains ou à leurs homologues numériques.

Cinq experts du secteur identifient des façons précises d'appliquer ce principe.

Gestion des règles et des transactions

Premièrement, l'équilibrage intelligent de la charge de travail permet de vérifier que les bots respectent les règles définies par l'entreprise.

« La capacité à décider automatiquement si une activité nécessite une intervention humaine ou peut être effectuée par un bot est généralement appelée "équilibrage intelligent de la charge de travail" », explique Sathya Srinivasan, vice-président, conseil solutions (Partenaires) chez Appian. « L'intelligence provient des règles métier qui déterminent le meilleur candidat pour accomplir le travail – humain ou bot. Si humain, quel département, groupe, niveau d'expérience ou de gestion est le plus apte ; si bot, qu'implique son déploiement, quelle flexibilité pour différents types de requêtes. »

« Pour être vraiment efficace, un bot doit fonctionner sur une large gamme de paramètres. Prenons l'exemple d'une règle confiant à un bot le traitement des retours de marchandises inférieurs à 100 $ : en période de pointe, le seuil peut dynamiquement augmenter. Le bot doit toujours exécuter toutes les étapes nécessaires sans reconfiguration constante. »

Gopal Ramasubramanian, directeur principal, automatisation intelligente et technologie chez Cognizant, ajoute : « Si 100 000 transactions doivent être traitées, au lieu de les assigner manuellement à différents robots, la fonction d'équilibrage intelligent de la plateforme RPA les répartit automatiquement et assure leur achèvement dans les meilleurs délais. »

« Si un accord de niveau de service (SLA) est lié à ces transactions et que les robots ne peuvent le respecter, l'équilibrage intelligent peut également provisionner des robots supplémentaires à la demande pour distribuer la charge et garantir le respect des délais. »

Solutions d'intelligence de processus

Neil Murphy, vice-président mondial chez ABBYY, explique comment les solutions d'intelligence de processus peuvent être intégrées pour mieux identifier les zones à optimiser.

« En RPA, répéter un grand volume de processus peut être difficile s'ils sont cassés ou mal compris – ce qui entraîne des interventions humaines fréquentes », déclare Murphy. « Il y a donc un vrai cas pour appliquer l'équilibrage intelligent de la charge de travail à la RPA. »

« C'est pourquoi émergent les solutions d'intelligence de processus. Elles aident les entreprises à identifier les processus les plus propices à l'optimisation pour la RPA, et à les comprendre pleinement en détectant les goulots d'étranglement causant erreurs ou délais. »

« L'intelligence de processus révèle aussi les chemins d'exécution les plus fréquents, expose les variantes de processus défaillantes et découvre d'autres inefficacités cachées. Une pratique croissante pour une véritable transformation numérique – au-delà de la simple automatisation de tâches manuelles – est de combiner intelligence de processus et RPA pour obtenir les meilleurs résultats. »

Licences des bots

Chris Porter, CEO de NexBotix, aborde l'optimisation des opérations via l'équilibrage intelligent, en soulignant l'importance des licences de bots.

« Les fournisseurs RPA traditionnels se concentrent principalement sur les licences de bots – vendues par bot », dit Porter. « Chaque bot est une ressource fixe à capacité limitée ; une fois saturée, il faut en acheter un autre. De plus, les bots sont planifiés manuellement, ce qui représente une surcharge importante. Toute organisation doit viser à minimiser les coûts et maximiser l'automatisation. »

« L'équilibrage intelligent examine les ressources disponibles et alloue le travail de manière dynamique. Cela maximise l'utilisation des ressources en affectant automatiquement les tâches à différents bots ou serveurs selon le type de travail – pas seulement RPA, mais aussi apprentissage automatique ou OCR. »

« Cela devient crucial lors de pics de volume ou de saisonnalité : par exemple, le secteur de l'assurance voit une charge accrue en janvier avec les renouvellements. Avec la RPA traditionnelle, il faut acheter pour le pic – les licences restent inactives le reste de l'année, mais vous les payez quand même. »

Travailleurs numériques

Un dernier exemple d'équilibrage intelligent dans la RPA concerne les travailleurs numériques.

Peter Walker, CTO EMEA chez Blue Prism, explique : « Contrairement à tout autre robot, les travailleurs numériques agissent proactivement en entrelaçant des capacités d'IA pour interopérer sans faille dans des environnements numériques en constante évolution. Ils planifient de manière optimale les flux de travail et l'exécution des charges, gèrent instantanément et intelligemment les workloads, font évoluer automatiquement d'autres travailleurs numériques selon les conditions métier, et utilisent le process mining automatique pour analyser les processus. »

« Ils résolvent problèmes logiques, métier et système sans intervention, grâce à la détection automatique de problèmes, garantissant les plus hauts niveaux de service et augmentant la productivité. Pour réduire les délais de service et améliorer la qualité, ils communiquent et accomplissent des tâches avec les personnes, les systèmes et d'autres travailleurs numériques. »

« Par exemple, des chatbots peuvent être déployés pour travailler avec des travailleurs numériques au service autonome des clients, et escalader vers des humains si nécessaire. »